Loading [MathJax]/extensions/tex2jax.js

0

5
2

文字

分享

0
5
2

猛禽遊隼的度冬航線,跟氣候變遷有什麼關係?

Carol
・2021/06/03 ・3426字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

目前已知全球氣候變遷及人為開發活動會影響及鳥類每年的遷徙移動,進而可能導致鳥類遷徙到不適宜居住的地點以及不相符合的繁殖環境。

遷徙鳥類會隨著季節性地偏好的北極(極地)繁殖地,不過科學家對於鳥類遷徙路經的資訊、維持方法、未來途徑,以及體內基因是如何影響及決定遷徙路徑目前仍不甚清楚。

最近的研究發現,遊隼身上的 ADCY8 基因,可能與遷徙路徑有關。而全球暖化的情況持續下去,歐亞大陸西部的遊隼族群遷徙距離會越來越短,而東部的族群遷徙距離則會越來越長。

地表最速猛禽,遊隼

遊隼 (peregrine falcons,Falco peregrinus) 是體型壯碩,飛行極為快速的鳥類,俯衝時最高時速甚至可達 300 km 以上。遊隼會先在高空鎖定欲捕食的中小型鳥類,然後將尾翼後折,俯衝而下(如影片)。

-----廣告,請繼續往下閱讀-----

在遊隼的名字中,falcon 指的是「隼」,在拉丁文中更是有著「鐮刀」的意思,是源自於遊隼飛行時彎曲的翅膀。目前有些戰鬥機、重機就以遊隼為名。例如:日本生產的重機鈴木 GSX1300R 隼,其車頭的特殊造型就是仿製遊隼而來的。除此之外,身為飛行之王的遊隼也會出現在阿拉伯聯合大公國的國徽,作為該國的國鳥。

圖三/阿拉伯聯合大公國的國徽是以遊隼為形象。Wikimedia

為了食物,棲息極圈的遊隼必須遷徙到南方

遊隼除了南極大陸及少部分的區域外,在世界各地皆有分布。不同地區的遊隼生活環境略為不同,可生活在平原、濕地等山區棲地,甚至是城市裡。有部分遊隼是留鳥,有部分遊隼則會在特定季節遷徙。遊隼的遷徙原因主要可分為兩類,一種是因為幼鳥成熟離巢而擴散到其他棲息地;另一個原因則是為探尋食物來源。在秋季來臨,氣候逐漸寒冷的時候,身處在高緯度地區的遊隼因所處環境食物資源日漸缺乏,會開始進行遷徙的行為,到較溫暖且食物充足的地方渡冬,待冬季過去,才會再回到原來的繁殖地。

北極地區的遊隼,具有特定的遷徙途徑

生活在北極地區的遊隼,約在九月時開始進行秋季遷徙,大約可在 27 天內旅行 2,280 到 11,002 公里,並且在十月時到達他們度冬的區域。遊隼通常獨自遷徙,而來自極地不同地區的遊隼,使用的遷徙路徑也大不相同。研究團隊藉由衛星追蹤 6 個族群共 56 隻遊隼,可觀察到 5 種不同的路徑(圖四),遷徙的出發地,也各不相同,區分為 Kola、Kolguev、Yamal、Popigai、Lena 及 Kolyma 六個(Kola 及 Kolguev 地點出發的遊隼使用相同的遷徙路徑)。

圖四/藉由衛星追蹤 56 隻遊隼,可發現 5 種不同的路徑。實線為秋季遷徙,虛線則是春季遷徙。參考文獻 1

若是連續追蹤遊隼三年的飛行路徑,則可發現其遷徙路徑的會重複性相當高,每年變動的幅度不大(圖五)。倘若進一步計算且比較不同族群遊隼的遷徙路徑,則可發現使用東方路徑 (Eastern routes) 遷徙的遊隼其旅行途徑明顯地遠高於使用西方路徑 (Western routes) 遷徙的遊隼。

-----廣告,請繼續往下閱讀-----
圖五/從 2010 到 2014 年,從 Lena 啟程的遊隼遷徙路徑。參考文獻 1

藉由路徑距離的長短,來將從五個不同地點遷徙的遊隼區分兩大類,分別為長距離遷徙 (LD, long-distance) 及短距離遷徙 (SD, short-distance),長距離遷徙指的是從 Yamal、Popigai、Lena 及 Kolyma 等地遷徙的遊隼飛行路徑,短距離遷徙則是指從 Kola、Kolguev 地點的遊隼遷徙路經。(圖六)

圖六/從五個地點出發的路徑,可分為長距離遷徙 (LD, long-distance) 及短距離遷徙 (SD, short-distance)。其中 Kola 與 Kolguev 屬於 SD;Yamal、Popigai、Lena 及 Kolyma 屬於 LD。參考文獻 1

遊隼的遷徙路徑,受不同時期的環境影響

這些繁殖族群一共使用五種不同遷徙途徑來橫跨歐亞大陸 (Eurasia),可能是源自過去末次冰盛期 (LGM, Last Glacial Maximum) 至全新世 (Holocene Epoch,約一萬年前) 的過渡期間,氣候從寒冷轉逐漸轉換成溫暖穩定,冰河逐漸融化,遊隼的繁殖地也亦有經緯度的改變。現今這些不同遷徙路經中的環境差異 (divergence) 也讓這些途徑保留各自的獨特性 (distinctiveness)。

在末次冰盛期 (LGM),生活在北極西方區域的遊隼有較小的度冬區域,然而在東邊區域是仍然維持不變,遊隼們會遷徙到一個渡冬區域,進行一個東南向的遷徙(經過印度及東南亞)(圖七)。而在全新世中期 (the middle of the Holocence),則改為西南向路徑遷徙。在全新世中期 (the middle of the Holocence) 時,遊隼的繁殖地區已逐漸向北邊轉移。這也顯示,遊隼需有一個更長的遷徙路經。這些結果顯示冰川周期 (glacial cycle) 的改變是可以調控遊隼遷徙的方向以及距離。

圖七/不同時期時,遊隼的繁殖地及渡冬區的位置分布與遷徙路徑。最上方圖示為末次冰盛期 (LGM);中間的圖示為全新世中期 (the middle of the Holocence);最下方的圖示則為現今的遊隼遷徙路徑。參考文獻 1

基因變異造成遷徙距離不同

此研究中,研究團隊不僅僅使用衛星追蹤遊隼飛行路徑,還從觀測的 6 個族群共 56 隻遊隼中,取其中 4 個族群中的 35 隻遊準進行基因定序。研究團隊發現一個名為 ADCY8 的基因,此基因先前已被報導出會參與在其他動物的長期記憶中。根據先前研究,ADCY8 會轉譯 adenylyl cyclase type8 催化酵素,可以促使 ATP 轉換成 cAMP,並扮演次級信使可向下調節與記憶相關的基因。除此之外,

-----廣告,請繼續往下閱讀-----

ADCY8 基因的突變可促進轉錄因子 CREB1 的結合。CREB 是一個轉錄因子,可利用 CREB basic region及leucine zipper domain (bZIP) 與 CREB1 的結合 (bind),並且可藉由 DNA 甲基化來調節基因表現。CREB1 已被指出對於長期記憶的發展有著決定性的影響,因 ADCY8 基因的突變是發生在長距離遷徙遊隼與短距離遷徙遊隼族群分離之後,只有長距離的遊隼遷徙族群的 ADCY8 基因有較高的活性,並藉此可增強長期記憶的能力,這有助於對於遊隼長距離的遷徙。

此研究發現 ADCY8 基因與族群間相異的遷徙距離有相關性,並了解 ADCY8 和 CREB1 會藉由共同調節長期記憶的能力來影響遊隼的飛行距離,長期記憶可能是造成在遊隼族群 ADCY8 基因變異的選擇性因素。

全球暖化對於遊隼遷徙的影響

研究團隊使用生態區位模型 (ecological niche) 來模擬未來在 2070 年時,每個族群的遊隼的繁殖地及度冬地分散情形。結果發現,每個族群的繁殖地及度冬地會北極遷移 2.08 緯度(圖八)。這也與大部分的北極海濱鳥 (Arctic shorebirds) 遷徙狀況有一致的情形,並可彰顯苔原亦受到氣候影響的生長區域。

圖八/現今及 2070 年時,5 個族群遊隼的繁殖區域及渡冬區域。綠色虛線為現在的繁殖區域,實線則為 2070 年的繁殖區域。橘色虛線區域為現在的渡冬區域,實線則為 2070 年的渡冬區域。參考文獻 1

除此之外,未來使用短距離路徑 (SD) 的遊隼,其遷徙路徑會越來越短;反之,長距離的遊隼其遷徙路徑則會越來越長。如果今後數十年間,地球氣候以相同的速率暖化,歐亞大陸西部的遊準族群可能會明顯地減少,並且可能會停止遷徙。而歐亞大陸東部的遊隼族群則會遇到長途遷徙的很大的危機,因為遊隼的死亡率會隨著遷徙路徑增長而提高。

-----廣告,請繼續往下閱讀-----

全球暖化也被預測會影響遷徙策略,並且減少遊準在歐亞北極的繁殖區域範圍。釐清生態作用與演化過程的交互作用,進一步可以有利於保護遷徙鳥類。

為因應全球氣候變遷,遊隼會需要改變新的度冬區域,並且調整的遷徙路徑。

氣候暖化,北極的繁殖地減縮,可能不止會導致遊隼族群減縮,亦會連帶影響其他北極遷徙物種瀕臨危機。因此,減緩全球暖化的速度實為重要,氣候變遷不僅會直接影響人類生活環境,更會立即影響到極地生物的生存。

  1. Gu, Z., Pan, S., Lin, Z., Hu, L., Dai, X., Chang, J., … & Zhan, X. (2021). Climate-driven flyway changes and memory-based long-distance migration. Nature591(7849), 259-264.
  2. Biologists Find Evidence of Migration Gene in Birds
  3. 台灣的猛禽-遊隼
  4. 設定目的再挑戰並行動吧!世界最快的鳥類——遊隼
-----廣告,請繼續往下閱讀-----
文章難易度
Carol
7 篇文章 ・ 5 位粉絲
Carol|生科系畢業,喜歡植物,喜歡小丑魚。

0

0
0

文字

分享

0
0
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

2
0

文字

分享

0
2
0
末日模擬!從氣候變遷到核戰爭,人類未來將走向哪個結局?
PanSci_96
・2024/11/19 ・1957字 ・閱讀時間約 4 分鐘

科學家模擬的末日場景

隨著二氧化碳排放持續增加,全球的政治局勢日益緊張,世界上各國的承諾屢屢在國際會議中被辜負,戰爭的結束也似乎遙遙無期。警示世界末日的「末日鐘」越來越接近午夜,人類與地球的未來變得越來越悲觀。

這並非一種刻意的悲觀,而是基於氣候變遷和人類衝突升溫的現實。許多人或許和我一樣好奇,末日會不會真的臨近?如果會,那又會是什麼樣的場景?是氣候徹底失控的《明天過後》?還是生態浩劫後的全面沙漠化,需要武力生存的《沙丘》和《瘋狂麥斯》?或者是核戰之後,所有人生存在廢墟中的《異塵餘生》?

我們的未來走向尚未確定,但科學家已經率先模擬了不同的可能結局,讓我們可以一窺未來的模樣。這些模擬告訴我們,如果人類繼續走某些路徑,地球的結局將是如何。至於我們是否能避免這些結果,就得由全體人類共同決定。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

如何模擬出整顆星球的氣候變化?

要模擬整顆星球的大氣變化是一項龐大的任務,至少需要三大要素:理論、資料、和計算資源。

-----廣告,請繼續往下閱讀-----

首先,人類對氣候系統的物理和化學模式需要有足夠的了解,也就是大氣理論必須足夠完備。其次,需要足夠多的資料來模擬整個行星。這些資料包括地球半徑、自轉速度、海洋分布、太陽輻射、大氣成分等等,甚至是地表的狀況與地形。台灣的中央山脈就能影響到西太平洋的颱風走向,進而影響整個東亞的氣候。如果希望盡可能還原地球的真實情況,還需考量海洋的垂直溫度分布、植物分布導致的生物地球化學反應等。

最後,還需要強大的計算資源,也就是超級電腦。由於資料量龐大,每個參數的小誤差都可能引發蝴蝶效應,影響到預測結果。因此,科學家通常會微調各項參數,並對每組參數進行多次計算,這些都需要大量的運算能力。

模擬沙丘中的荒漠星球

科幻小說《沙丘》中的厄拉科斯,經布里斯托大學模擬,揭示未來氣候可能。圖/wikimedia

科幻小說《沙丘》中的厄拉科斯(Arrakis)是一顆完全荒漠化的星球,英國布里斯托大學的亞歷山大·法恩沃斯等人曾對這顆星球進行了模擬。他們使用在研究地球氣候變遷時使用的氣候模型,並結合小說中的設定,如大氣中的二氧化碳濃度和臭氧含量等,模擬了 500 年後的厄拉科斯氣候。

模擬結果顯示,厄拉科斯的赤道和熱帶地區夏季高溫達 45 度,冬季不低於 15 度。而高緯度地區則更為極端,夏季高溫可達 70 度,冬季最低可達 -75 度。由於大氣濕度和雲層的存在,極地反而比赤道更溫暖。此外,儘管小說中描述厄拉科斯幾乎沒有降雨,但模擬顯示高緯度和山區仍會有少量降雨。

-----廣告,請繼續往下閱讀-----

這些結果顯示,科學家不僅愛科幻,也樂於用科學方法來驗證科幻中的設定。這些模擬能讓我們更了解地球的氣候系統,並讓我們警惕荒漠化的危機。

核戰後的世界:核冬天的可怕景象

如果人類全面爆發核戰爭,戰後的世界會是什麼樣子?研究顯示,大規模的核武攻擊將產生大量的輻射塵和煙灰,進入大氣層並遮蔽陽光,導致「核冬天」的到來。

2019 年的一篇研究模擬了美俄之間的全面核戰爭,結果顯示,爆發後的第一年,全球氣溫將大幅下降,北半球的夏季溫度將下降 25 度,冬季氣溫則會降至零下,植物生長期縮短至僅剩 25 天。煙灰遮蔽陽光,導致全球糧食供應崩潰,第二年可能有 50 億人面臨飢餓。

這些模擬結果告訴我們,全面核戰將帶來毀滅性的後果,核冬天將使人類無法正常生活,這是真正的末日場景。

-----廣告,請繼續往下閱讀-----
核戰模擬顯示,氣溫驟降與糧食崩潰將致全球大饑荒。圖/envato

地球的未來會是如何?

地球未來的命運取決於我們今天的選擇。如果我們對氣候變遷置之不理,兩極冰帽將完全融化,海平面上升,許多沿海地區將被淹沒。雖然不至於像《水世界》中那樣極端,但低地區域的居民將面臨嚴重的生存挑戰。

如果人類選擇繼續衝突,甚至爆發毀滅性戰爭,我們的未來將如《瘋狂麥斯》或《異塵餘生》般,生存在廢墟中,面對乾旱、糧食短缺與持續的環境破壞。

歡迎訂閱 Pansci Youtube 頻道 鎖定每一個科學大事件!

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

2
0

文字

分享

0
2
0
從遺傳學角度剖析:女性能在體育場上超越男性嗎?——《運動基因》
行路出版_96
・2024/08/10 ・3712字 ・閱讀時間約 7 分鐘

科學期刊的預言:女性能追趕甚至超越男性?

我在 2002 年還在讀大四時,第一次看到兩位 UCLA 生理學家的論文〈不用多久女性就會跑得比男性快?〉,當時我覺得這個標題很荒謬。在那之前我花了五個賽季,進行 800 公尺中距離跑步訓練,成績已經超越世界女子紀錄。而且我還不是自己接力隊上跑最快的。

但那篇論文發表在《自然》(Nature)期刊上,這是世上極具聲望的科學期刊,所以一定有些道理。大眾就是這麼認為的。《美國新聞與世界報導》雜誌在 1996 年亞特蘭大奧運之前,對一千個美國人做了調查,結果其中有三分之二認為,「終有一天頂尖女運動員會勝過頂尖男運動員」。

1996 年亞特蘭大奧運前,一千位美國人中有三分之二認為,「終有一天頂尖女運動員會勝過頂尖男運動員」。 圖/envato

《自然》期刊上那篇論文的作者,把男子組和女子組從 200 公尺短跑到馬拉松各項賽事歷年的世界紀錄畫成圖表,發現女子組紀錄進步得遠比男子組急速。他們用外推法從曲線的趨勢推斷未來,確定到 21 世紀前半葉,女性就會在各個賽跑項目擊敗男性。兩名作者寫道:「正因進步速度的差異實在非常大,而使(兩者)差距逐漸縮小。」

2004 年,趁著雅典奧運成為新聞焦點之際,《自然》又特別刊出一篇同類型的文章〈2156 年奧運會場上的重要衝刺?〉(Momentous Sprint at the 2156 Olympics?)──標題所指的,正是女子選手會在 100 公尺短跑比賽中,勝過男子選手的預計時間。

-----廣告,請繼續往下閱讀-----

2005 年,三名運動科學家在《英國運動醫學期刊》發表了一篇論文,省去問號開門見山在標題宣稱:〈女性終將做到〉(Women Will Do It in the Long Run.)。

難道男性主導世界紀錄的情況,始終是歧視女性、把女性排除於競技場外的結果?

20 世紀上半葉,文化規範與偽科學嚴重限制了女性參與運動競技的機會。在 1928 年阿姆斯特丹奧運期間,有媒體(捏造)報導指稱,女性選手在 800 公尺賽跑後筋疲力竭地躺在地上,這讓一些醫生和體育記者十分反感,使得他們認為這個比賽項目會危害女性健康。《紐約時報》上有篇文章就寫:「這種距離太消耗女性的體力了。」〔1〕那幾屆奧運之後,在接下來的三十二年間,距離超過 200 公尺的所有女子項目,都突然遭禁,直到 2008 年奧運,男女運動員的徑賽項目才終於完全相同。但《自然》期刊上的那幾篇論文指出,隨著女性參賽人數增多,看起來她們的運動成績到最後可能會與男性並駕齊驅,甚至比男性更好。

運動能力的基因密碼:性別差異的生物學根源

我去拜訪約克大學的運動心理學家喬.貝克時,我們談論到運動表現的男女差異,尤其是投擲項目的差異。在科學實驗裡證實過的所有性別差異中,投擲項目一直名列前茅。用統計學術語來說的話,男女運動員的平均投擲速度相差了三個標準差,大約是男女身高差距的兩倍。這代表如果你從街上拉一千個男子,其中 997 人擲球的力氣會比普通女性大。

-----廣告,請繼續往下閱讀-----

不過貝克提到,這種情形可能是反映女性缺乏訓練。他的太太是打棒球長大的,輕輕鬆鬆就能贏過他。他打趣說:「她會發出一束雷射光。」那麼這是生物學上的差異嗎?

男性和女性的 DNA 差異極小,僅限於在女性身上為X或男性為Y的那單一染色體。姊弟或兄妹從完全相同的來源取得基因,透過重組母親和父親的 DNA,確保兄弟姊妹絕對不會相近到變成複製人。

性別分化過程大部分要歸結到 Y 染色體上的「SRY 基因」,它的全名是「Y 染色體性別決定區基因」。若要說有「運動能力基因」,那就非 SRY 基因莫屬了。人類生物學的安排,就是讓同樣的雙親能夠同時生育出男性的兒子和女性的女兒,即使傳遞的是相同的基因。SRY 基因是一把 DNA 萬能鑰匙,會選擇性地啟動發育成男性的基因。

我們在生命初期都是女性──每個人類胚胎在形成的前六週都是女性。由於哺乳動物的胎兒會接觸到來自母親的大量雌激素,因此預設性別為女性是比較合算的。在男性身上,SRY 基因到第六週時會暗示睪丸及萊氏細胞(Leydig cell)該準備形成了;萊氏細胞是睪丸內負責合成睪固酮的細胞。睪固酮在一個月之內會不斷湧出,啟動特定基因,關閉其他基因,兩性投擲差距不用多久就會出現。

-----廣告,請繼續往下閱讀-----

男孩還在子宮時,就開始發育出比較長的前臂,這使得他們日後投擲時會做出更有力的揮臂動作。儘管男孩和女孩在投擲技能方面的差異,不如成年男性和女性之間那麼顯著,但這種差異在兩歲幼童身上已經很明顯了。

性別分化過程大部分要歸結到 Y 染色體上的「SRY 基因」,會選擇性地啟動發育成男性的基因。 圖/envato

文化與訓練的影響:投擲項目中的性別差距

為了確定孩童之間的投擲差距有多少與文化有關,北德州大學和西澳大學的科學家組成團隊,共同測試美國孩童與澳洲原住民孩童的投擲技能。澳洲原住民沒有發展出農業,仍過著狩獵採集生活,他們教導女孩丟擲戰鬥及狩獵用武器,就像教導男孩一樣。這項研究確實發現,美國男孩和女孩在投擲技能上的差異,比澳洲原住民男孩和女孩之間的差異顯著許多。不過儘管女孩因為較早發育長得較高較壯,男孩仍比女孩擲得更遠。

普遍來說,男孩不僅比女孩更善於投擲,視覺追蹤攔截飛行物的能力往往也出色許多;87% 的男孩在目標鎖定能力的測試上,表現得比一般女孩好。另外,導致差異的部分原因,至少看起來是因為在子宮的時期接觸到了睪固酮。由於先天性腎上腺增生症,而在子宮裡接觸到高濃度睪固酮的女孩,上述項目的表現會像男孩一樣,而不像女孩;患有這種遺傳疾病的胎兒,腎上腺會過度分泌男性荷爾蒙。

受過良好投擲訓練的女性,能輕易勝過未受訓練的男性,但受過良好訓練的男性,表現會大幅超越受過良好訓練的女性。男子奧運標槍選手擲出的距離,比女子奧運選手遠大約三成,儘管女子組使用的標槍比較輕。此外,女性投出的最快棒球球速的金氏世界紀錄是 65 mph(相當於時速 105 公里),表現不錯的高中男生的球速經常比這還要快,有些男子職業球員可以投出超過 100 mph(相當於時速 160 公里)的球速。

-----廣告,請繼續往下閱讀-----

在跑步方面,從 100 公尺到 1 萬公尺,經驗法則是把菁英級表現差距定在 11%。從短跑到超級馬拉松,不管任何距離的賽跑,男子組的前十名都比女子組的前十名快大約 11%。〔2〕在職業等級,那就是個鴻溝。女子組的 100 公尺世界紀錄,跟 2012 年奧運男子組的參賽資格還差了四分之一秒;而在一萬公尺長跑,女子組的世界紀錄成績,與達到奧運參賽資格最低標準的男選手相比落後了一圈。

不論距離,男子組前十名的跑步速度普遍比女子組快約 11%。圖/enavato

投擲項目與純爆發力型運動項目的差距更大。在跳遠方面,女子選手落後男子 19%。差距最小的是長距離游泳競賽;在 800 公尺自由式比賽中,排名前面的女子選手,與排名前面的男子選手差距不到 6%。

預言女性運動員將超越男性的那幾篇論文暗示,從 1950 年代到 1980 年代,女性表現的進展遵循一條會持續下去的穩定軌跡,但在現實中是有一段短暫爆發,隨後趨於平穩──這是女子運動員,而非男子運動員進入的平穩期。儘管到 1980 年代,女性在 100 公尺到 1 英里各項賽跑的最快速度,都開始趨於穩定,但男子運動員仍繼續緩慢進步,雖然只進步一點點。

數字很明確。菁英女子選手並未趕上菁英男子選手,也沒有保持住狀況,男性運動員則在非常慢地進步。生物學上的差距在擴大。但為什麼原本就有差距存在?

-----廣告,請繼續往下閱讀-----

註釋

  1.  各報上氣不接下氣地報導 800 公尺女子選手紛紛倒在跑道上。正如運動雜誌《跑步時代》(Running Times)2012 年的一篇文章指出的,實情是只有一個女子選手在終點線倒下,其餘三名都打破了先前的世界紀錄。據稱人在現場的《紐約郵報》記者寫道,「11 位淒慘的女性」當中有 5 人沒有跑完,5 人在跑過終點線後倒下。《跑步時代》報導說,參賽的女運動員只有 9 個,而且全部跑完。
  2. 過去普遍認為,隨著比賽距離拉長,女子賽跑選手會超越男子選手。這是克里斯多福.麥杜格(Christopher McDougall)在《天生就會跑》這本很吸引人的書裡談到的主題,但不完全正確。成績非常優秀的跑者之間的 11% 差距,在最長距離和最短距離同樣穩固存在。儘管如此,南非生理學家卻發現,當一男一女的馬拉松完賽時間不相上下,那個男士在距離短於馬拉松的比賽中通常會贏過那個女士,但如果競賽距離加長到 64 公里,女士就會跑贏。他們報告說,這是因為男性通常比較高又比較重,比賽距離越長,這就會變成很大的缺點。然而在世界頂尖超馬選手當中,男女體型差異比一般群體中的差異小,而 11% 的成績差距,也存在於超級長距離的最優秀男女選手之間。

——本文摘自 大衛・艾普斯坦(David Epstein)運動基因:頂尖運動表現背後的科學》,2020 年 12 月,行路出版,未經同意請勿轉載

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

行路出版_96
21 篇文章 ・ 8 位粉絲
行路為「讀書共和國」出版集團旗下新創的出版社,出版知識類且富科普或哲普內涵的書籍,科學類中尤其將長期耕耘「心理學+腦科學」領域重要、具時代意義,足以當教材的出版品。 行路臉書專頁:https://www.facebook.com/WalkPublishing